Bilgisayarlı tomografi görüntülerinde inmenin farklı derin öğrenme modelleri ile sınıflandırılması
Classification of stroke with different deep learning models in computerized tomography images
- Tez No: 684538
- Danışmanlar: DR. ÖĞR. ÜYESİ MUHAMMET ÜSAME ÖZİÇ
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Derin öğrenme, Deep learning
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnme hastalığı beyin damarlarında tıkanma ve kan akışının azalması durumunda meydana gelen nörolojik bir vakadır. Damarların beslemiş olduğu beyin hücreleri yetersiz oksijen ve besinden dolayı hızlı bir şekilde ölmeye başlar. İnmenin meydana geldiği bu bölgelerin yönettiği fonksiyonlarda kalıcı veya geçici hasarlar meydana gelmektedir. Bundan dolayı inme başladığı anda hızlı ve erken müdahale beyin hasarının en az kayıpla atlatılabilmesi için çok önemlidir. Geç müdahale durumunda hastanın ömür boyu maruz kalacağı sakatlıklar oluşabilir. Klinikte en çok görülen inme çeşitleri iskemik ve hemorajik inmedir. İnme çeşitleri bir medikal görüntüleme tekniği olan bilgisayarlı tomografi ile tanı almaktadır. Bu tez çalışmasında, uluslararası veri tabanlarından alınan iskemik inme, hemorajik inme ve normal bilgisayarlı tomografi görüntüleri kullanarak hastalığı sınıflandıran derin öğrenme modellerinin performansları araştırılmıştır. AlexNet, ResNet, GoogleNet, InceptionV3, ShuffleNet, SqueezeNet derin öğrenme modelleri transfer öğrenme yöntemi kullanılarak bilgisayarlı tomografi görüntüleri ile eğitilmiş ve performans kriterleri hesaplanmıştır. Veriler %80 eğitim %20 test olarak ayrılmış, eğitim ve test işlemlerinde beş kat çapraz geçerleme kullanılmıştır. Üç sınıflı çıkış için en yüksek sonuçlar AlexNet ile 0.9086±0.02 hassasiyet, 0.9097±0.02 duyarlılık, 0.9091±0.02 F1 Puanı, 0.9089±0.02 doğruluk, 21 dakika 37 saniyelik işlem süresi olarak bulunmuştur.
Özet (Çeviri)
Stroke is a neurological case that occurs when cerebral vessels become blocked and blood flow is reduced. Brain cells fed by the vessels begin to die rapidly due to insufficient oxygen and nutrients. Permanent or temporary damage occurs in the functions managed by these regions where the stroke occurs. Therefore, prompt and early intervention at the onset of stroke is very important in order to overcome the brain damage with minimum loss. In case of late intervention, disability to which the patient will be exposed for life may occur. The most common types of stroke in the clinic are ischemic and hemorrhagic stroke. Stroke types are diagnosed by computerized tomography, a medical imaging technique. In this thesis, the performance of deep learning models that classify the disease using ischemic stroke, hemorrhagic stroke and normal computed tomography images taken from international databases were investigated. Alexnet, ResNet, GoogleNet, InceptionV3, ShuffleNet, SqueezeNet deep learning models were trained with computerized tomography images using transfer learning method and performance criteria were calculated. The data were separated as 80% training and 20% testing, and five-fold cross-validation was used in training and testing processes. The highest results for the three-class output were found with AlexNet as 0.9086±0.02 precision, 0.9097±0.02 sensitivity, 0.9091±0.02 F1 Score, 0.9089±0.02 accuracy, 21 minutes 37 seconds processing time.
Benzer Tezler
- Beyin BT görüntülerinden inme tespiti ve sınıflandırılması için gürültü azaltma yöntemleri
Noise reduction methods for the stroke detection and classification from brain computed tomography images
HAKAN SÖKÜN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiYapay Zeka Ana Bilim Dalı
DOÇ. DR. GAMZE YÜKSEL
- Derin öğrenme yöntemi ile beyin görüntülerinde otomatik inme tespiti
Automatic stroke detection in brain images with deep learning method
BÜŞRA UYGUN
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞE DEMİRHAN
- Acil servise inme kliniği ile başvuran hastaların çekilen beyin bilgisayarlı tomografi ve beyin manyetik rezonans görüntülerinin acil tıp asistanları tarafından değerlendirilmesi
Evaluation of brain computed tomography and brain magnetic resonance images of patients admitted to the emergency department with stroke clinic by emergency medi̇cal assistants
ESMA NİLAY KIRIMLI
Tıpta Uzmanlık
Türkçe
2024
Acil TıpKaradeniz Teknik ÜniversitesiAcil Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİNAN PASLI
- Beyin BT görüntülerinden inme teşhisine yönelik derin öğrenme tabanlı hekim karar destek sistemi
Deep learning based physician decision support system for diagnosis of stroke from brain CT images
MUHAMMED ÖNAL
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiEkobilişim Ana Bilim Dalı
DOÇ. DR. BUKET KAYA
- Beyin kitlelerine yönelik erken tanı ve sınıflandırma sistemi
Early diagnosis and classification system for brain masses
ALİ BERKAN URAL
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. FIRAT HARDALAÇ
PROF. DR. PINAR ÖZIŞIK